基于U-Net的直肠癌肿瘤靶区和危及器官的自动分割模型

作者：戴薇; 李华玲; 王沛沛; 唐媛媛; 孙新臣; 李金凯^*

来源：医疗装备, 2021, 34(19): 34-37.

• 直肠癌
• 自动分割
• 卷积神经网络
• 危及器官
• 肿瘤靶区

目的训练一种基于U-Net的自动分割模型用于直肠癌肿瘤靶区(GTV)和危及器官(OARs的勾画,并评估该模型的勾画准确性及临床可行性。方法回顾性分析2018年1月至2020年10月于医院接受术前放射治疗的70例直肠癌患者的临床资料,随机分组,其中52例作为训练集,6例作为验证集,12例作为测试集。所勾画的结构为GTV和OARs,其中OARs包括左侧股骨头、右侧股骨头、膀胱,采用戴斯相似系数(DSC)及豪斯多夫距离(HD)评估勾画结果的准确性。结果 GTV的平均DSC值为(0.70±0.10),平均HD值为(35.58±13.92)mm;左侧股骨头的平均DSC值为(0.94±0.04),平均HD值为(7.72±3.15)mm;右侧股骨头的平均DSC值为(0.93±0.02),平均HD值为(8.54±2.58)mm;膀胱的平均DSC值为(0.94±0.05),平均HD值为(9.42±4.21)mm。结论基于U-Net的自动分割模型在OARs的勾画中具有较高的准确性,但在GTV勾画中的准确性还有待提高,可将该模型用于辅助临床工作,以提高放射治疗医师的工作效率。

• 单位
  南京医科大学; 南京医科大学第一附属医院